南京信息工程大学计算机学院方巍教授将在2023年出版的《地球科学与环境学报》更名二十周年纪念专辑发表题为“基于深度学习的高时空分辨率降水临近预报方法”的论文，以示祝贺！
      降水临近预报旨在未来2h内对局部地区降水进行高时空分辨率的预报。相比于短期、中期和长期预报，临近预报重点关注演变速度快、生命周期短的中小尺度天气系统。因此，降水临近预报在强对流天气监测预警中具有重要地位，对于防灾减灾至关重要。在气象业务中，主要采用雷达回波外推方法解决高时空分辨率的临近预报问题。方巍教授针对传统雷达回波外推方法中普遍存在的资料信息利用率不足和预报准确率低的问题，利用上海地区多年的高时空分辨率天气雷达探测资料，基于数据驱动的深度学习方法进行雷达回波外推，提出了一种新的降水临近预报模型——SwinAt-UNet模型。该预报模型通过融合UNet模型和Swin Transformer结构捕捉历史天气雷达探测资料中的短期和长期动态变化特征，可以自适应地学习潜在的雷达回波生消演变规律。此外，为提高模型的泛化能力和预报准确率，引入深度可分离卷积和卷积块注意力模块。结果表明：在不同基本反射率阈值下，SwinAt-UNet模型的预报准确率均高于UNet、SmaAt-UNet、TransUNet和AA-TransUNet模型；在45dBZ的基本反射率阈值下，SwinAt-UNet模型临界成功指数提高了12%，同时在预报时效上具有一定的优越性；SwinAt-UNet模型外推图像具有更加清晰的边缘和细节性纹理，对降水范围、移动方向和强度变化的预测更为准确。

      方巍，男，南京信息工程大学计算机学院教授。2009年获苏州大学计算机应用技术专业博士学位；2011年1月至2013年3月在南京信息工程大学大气科学学院开展博士后工作；2015年9月至2016年9月赴美国佛罗里达大学(University of Florida)访学。他主要从事人工智能、数据挖掘、计算机视觉、元宇宙和气象大数据分析等方面的科研与教学工作。近年来，先后在国内外学术期刊上发表论文50余篇，其中SCI、EI等检索收录近30篇，出版专著5部；授权发明专利13项。获2022年度教育部-华为“智能基座”“栋梁之师”、2022年南京信息工程大学“优秀党员”等称号，2022年中国人工智能学会“首届智能融合产学研成果展示”优胜奖、2021年长三角区域最具技术转移潜力科技成果奖等奖项。

方巍教授论文网络首发网址：https://kns.cnki.net/kcms/detail/61.1423.P.20230411.1337.001.html
《地球科学与环境学报》预出版网址：http://jese.chd.edu.cn/oa/darticle.aspx?type=view&id=2023025